از یادگیری ماشین درون‌دستگاهی در برنامه‌هایتان استفاده کنید تا به‌راحتی مسائل دنیای واقعی را حل کنید.
ML Kit یک کیت توسعه نرم‌افزار تلفن همراه است که تخصص یادگیری ماشین درون‌دستگاهی Google را به برنامه‌های Android و iOS می‌آورد. از «هوشواره زایای» قدرتمند و درعین‌حال آسان ما، میانای برنامه‌سازی کاربردی «دیداری» و «زبان طبیعی» برای حل چالش‌های رایج در برنامه‌هایتان یا ایجاد تجربه‌های کاربری کاملاً جدید استفاده کنید. همه این‌ها با پشتیبانی بهترین مدل‌های یادگیری ماشین Google در کلاس خود و بدون هزینه به شما ارائه می‌شود.
همه APIهای ML Kit روی دستگاه اجرا می‌شوند و امکان استفاده هم‌زمان را در مواردی که می‌خواهید جاری‌سازی زنده دوربین را پردازش کنید، فراهم می‌کنند. این یعنی عملکرد به‌صورت آفلاین نیز دردسترس است.
ویژگی‌های جدید
- نسخه آلفای API پیام‌واره را راه‌اندازی کردیم که محتوای نوشتاری را براساس پیام‌واره سفارشی فقط نوشتاری یا چندوجهی تولید می‌کند.
- نسخه بتای میاناهای برنامه‌سازی کاربردی هوشواره زایا را راه‌اندازی کردیم که ازطریق یک میانای سطح بالا، کیفیت آماده‌ای برای موارد استفاده رایج ارائه می‌دهد. راه‌اندازی اولیه شامل شرح تصویر، نمونه‌خوانی، بازنویسی، و خلاصه‌سازی است.
بیشتر بدانید
- Prompt API به شما امکان می‌دهد درخواست‌های زبان طبیعی را در دستگاه به Gemini Nano ارسال کنید.
- میاناهای برنامه‌سازی کاربردی هوشواره زایا از قدرت Gemini Nano برای کمک به برنامه‌تان در انجام تکالیف استفاده می‌کنند. این «میاناهای برنامه‌سازی کاربردی» برای موارد استفاده محبوب مانند شرح تصویر، نمونه‌خوانی، بازنویسی، و خلاصه‌سازی کیفیت آماده‌ای ارائه می‌دهند.
- ML Kit همچنین APIهای آماده‌ای را ارائه می‌دهد که با مدل‌های ML Google کار می‌کنند: تشخیص نوشتار، تشخیص چهره، اسکن بارکد، برچسب‌گذاری تصویر، تشخیص و ردیابی شیء، تشخیص حالت، بخش‌بندی سلفی، پاسخ هوشمند، ترجمه نوشتار، و تشخیص زبان.
- با نحوه استفاده از مدل‌های برچسب‌گذاری تصویر TensorFlow Lite سفارشی در برنامه‌هایتان آشنا شوید. مدل‌های سفارشی با ML Kit را بخوانید.
- برنامه‌های نمونه و codelabs ما را بررسی کنید. این کتابخانه‌ها به شما کمک می‌کنند با همه «میاناهای برنامه‌سازی کاربردی» شروع کنید.
منابع دیگر
اگر «میاناهای برنامه‌سازی کاربردی» آماده ML Kit نیازهای شما را برآورده نمی‌کند و به راه‌حل سفارشی‌تری نیاز دارید، برای دریافت راهنمایی درباره همه راه‌حل‌ها و ابزارهای Google برای یادگیری ماشین درون‌دستگاهی، به صفحه «یادگیری ماشین درون‌دستگاهی» مراجعه کنید.